VisionPro工具使用--->硬币金额统计与显示

硬币金额统计与显示
1.添加作业

2.添加图片
3.PMA模板匹配
掩模工作原理
  • 核心机制 :掩模图像与训练图像对应,掩模值≥192 的像素被视为 "关注像素"(care pixels),只有这些区域内检测到的特征边界点才会被包含在训练模板中
  • 关键特性被掩模覆盖的区域不会被提取边缘特征,完全排除在模板训练之外
  • 本质作用 :帮助算法聚焦于真正重要的特征(如零件轮廓、关键孔位等),忽略噪声、纹理变化或无关标记等干扰因素
掩模训练的应用场景
应用场景 掩模使用目的 示例
零件定位 屏蔽零件表面的文字、logo 或纹理变化 定位带有机身编号的电子元件,只保留元件轮廓
孔位检测 只保留孔的边缘特征,排除周围无关结构 检测印刷电路板上的安装孔
表面缺陷检测 屏蔽正常纹理区域,聚焦于可能出现缺陷的区域 检测金属表面的划痕,排除表面加工纹理
多特征识别 分别训练不同特征的模板,避免特征间干扰 同时识别产品上的多个关键标记点
掩模训练的优势
  1. 提高匹配准确性:排除干扰后,算法能更精确地识别目标特征
  2. 增强稳定性:减少光照变化、零件表面差异等因素对匹配结果的影响
  3. 提升处理速度:模板包含的特征点减少,搜索和匹配过程更高效
  4. 降低误匹配率:避免算法将干扰特征误判为目标特征
注意事项
  1. 掩模精度:掩模区域应精确匹配关键特征,避免过度屏蔽或屏蔽不足
  2. 训练模式:掩模训练适用于 "图像" 和 "带图像的形状模型" 训练模式
  3. 重新训练 :修改掩模设置后,必须重新训练模板才能生效
  4. 模板保存:训练好的带掩模模板可保存为文件,供其他项目复用
4.PMA模板匹配问题解决

五角和1角的PMA模板和一元的PMA模板步骤相同

在 VisionPro 的 PMA(CogPMAlignTool)模板匹配中,红框通常代表 "匹配失败 / 低质量匹配"(正常成功匹配会显示绿框),核心原因是算法未找到符合要求的目标特征,具体问题及解决方法如下:

一、红框的本质含义

PMA 模板匹配的红框对应两种情况:

  1. 完全未匹配:算法在图像中没找到与模板特征匹配的区域,红框是默认的 "无效匹配框";
  2. 低质量匹配:匹配得分(Score)低于设定的阈值,红框标记的是 "得分不达标" 的区域。
二、具体问题与解决方法
1. 模板本身问题(最常见)
  • 原因:模板训练时特征不足、掩模错误,或模板损坏;
  • 解决
    • 重新训练模板:选择目标特征更明显的区域(如边缘、轮廓清晰的部分),避免背景 / 干扰区域;
    • 检查掩模:确认掩模未屏蔽模板的关键特征(掩模应只挡干扰,不挡目标轮廓);
    • 重新保存模板:若模板文件损坏,删除旧模板后重新训练并保存。
2. 当前图像与模板差异过大
  • 原因:图像中目标缺失、遮挡、光照 / 角度 / 尺度变化超出模板适配范围;
  • 解决
    • 检查图像:确认目标在相机视野内,无遮挡、无严重变形;
    • 调整模板适配性:训练模板时开启 "尺度不变""旋转不变"(若目标有尺寸 / 角度变化);
    • 优化光照:减少反光 / 阴影,保证当前图像与训练模板的光照一致。
3. 匹配参数设置不合理
  • 原因:得分阈值(Score)过高、搜索区域(SearchRegion)未覆盖目标位置、匹配精度设置错误;
  • 解决
    • 降低得分阈值:在 CogPMAlignTool 的 "RunParams" 中,将ScoreThreshold从默认的 0.8 适当降到 0.6~0.7(允许一定的匹配误差);
    • 扩大搜索区域:确保SearchRegion的范围覆盖目标可能出现的区域;
    • 调整匹配精度:若目标尺寸变化大,选择 "低精度" 模式提升匹配容错率。
4. 工具链 / 输入异常
  • 原因:输入图像未正确连接到 CogPMAlignTool,或工具未启用;
  • 解决
    • 检查工具链:确认 "InputImage" 已连接到相机 / 上游工具的输出图像;
    • 启用工具:确保 CogPMAlignTool 的 "Enabled" 属性设为 "True"。
5.添加个数终端
6.个数文本显示
7.添加结果分析工具

CogResultsAnalysisTool 是康耐视 VisionPro 中的结果分析工具 ,核心作用是对上游视觉工具(如匹配、测量、检测工具)的输出结果进行评估、筛选、解析与结构化处理,将零散的工具结果转化为可直接用于业务逻辑的结构化数据。

一、核心定位

它是 "视觉工具" 与 "业务逻辑" 之间的桥梁:

  • 上游工具(如 CogPMAlignTool 匹配工具、CogLineAnalysisTool 线测量工具)输出的是原始结果(如匹配得分、线的角度);
  • CogResultsAnalysisTool 负责对这些原始结果做规则判断、参数提取、格式统一,最终输出 "合格 / 不合格标记""关键数值(如角度、位置)" 等业务可用结果。
二、核心功能
  1. **结果评估(合格性判断)**配置 "评估表达式"(如 "匹配得分≥0.8 则合格""测量角度在 90°±2° 内则合格"),自动判断上游结果是否符合业务要求,输出 "Accept(合格)/Reject(不合格)" 标记。

  2. 结果解析与提取 从上游工具的结果中,精准提取需要的参数(如匹配工具的位置Pose.X、线测量工具的角度Angle),将其转化为独立的变量(如 "角度 = 90.5°")。

  3. 结果结构化整合若上游有多个工具(如同时用了匹配 + 测量工具),可将多个工具的结果整合到同一结构中,避免结果零散。

  4. 结果异常处理可配置 "无结果时的默认值""结果超出范围时的提示",避免因上游工具无输出导致整个流程崩溃。

三、工作原理

它通过 **"评估表达式(EvaluateExpressions)"** 实现结果处理:

  1. 先关联上游工具的Results(如 CogPMAlignTool 的匹配结果);
  2. EvaluateExpressions中配置规则(比如 "Item [0].Score ≥ 0.8");
  3. 运行时遍历上游结果,执行规则判断 + 参数提取;
  4. 最终将处理后的结果(如 "合格标记""提取的角度值")存入自身的Results中,供下游工具 / 逻辑调用。
8.添加总金额终端
9.总金额文本显示
10.最终效果展示
相关推荐
monster000w3 小时前
大模型微调过程
人工智能·深度学习·算法·计算机视觉·信息与通信
AI视觉网奇4 小时前
移动端数字人 Ultralight-Digital-Human 算法笔记
笔记·计算机视觉
AI视觉网奇6 小时前
ncnn 加载模型 学习笔记
人工智能·计算机视觉
爱思德学术6 小时前
中国计算机学会(CCF)推荐学术会议-C(计算机图形学与多媒体):IEEE ICIP 2026
图像处理·计算机视觉
唯道行7 小时前
计算机图形学·22 绘制(Implementation)2
人工智能·算法·计算机视觉·计算机图形学·opengl
c#上位机8 小时前
halcon区域变换—shape_trans
图像处理·算法·计算机视觉·c#·halcon
mtouch3339 小时前
电子沙盘数字化研训战巡沙盘定点全景环视分析功能
人工智能·opencv·计算机视觉·ai·无人机·电子沙盘·数字沙盘
思通数科多模态大模型9 小时前
多业态连锁环境管理系统:AI + 机器人闭环,坪效提升 16%
人工智能·深度学习·目标检测·机器学习·计算机视觉·数据挖掘·语音识别
AndrewHZ9 小时前
【ISP算法精粹】RAW域两帧输入去噪算法介绍
图像处理·算法·计算机视觉·isp·图像去噪·图像信号处理·raw域